电力行业海量数据处理如何做？看中节能、上海电气案例分享
在应对海量时序数据处理需求时，如关系型数据库、工业实时库、Hadoop 大数据平台在内的传统数据库解决方案问题重重，严重阻碍数字化进程。在此背景下，一些企业开始尝试进行数据架构改造，选择适合的时序数据库产品。
金融量化交易场景下数据库如何改造？同花顺、弘源泰平真实案例分享
为了帮助一众金融企业寻找到合适的数据库解决方案，我们汇总了几个比较有代表性的企业客户案例，希望他们的相关实践经验应该能够给到行业从业者一些解决思路。
从大疆车载、理想汽车等案例出发，看车联网场景下的数据处理难点与优化实践
在应对车联网场景下时序数据的存储时，企业大多选择的都是 MongoDB 或 Apache HBase，随着业务的加速扩张，写入速度太慢、支撑成本过高等问题逐渐显现。本文将会从四个典型的车联网案例出发，给到你数据架构升级思路。
中通科技是如何建模并高效处理车辆上的时序数据的
车联网业务是中通科技配送全链路业务中非常重要的一环，在实际的项目需求中，需要实时查询车辆最新位置状态，达到车辆运营可视化管理。中智车联服务平台选择了用 TDengine 来高效处理从车辆上实时采集的时序数据。
打造一体化制氢项目，阳光氢能以时序数据库实现生产流程的实时监控
为了更好地支持阳光氢能 PEM 绿电制氢系统，本文作者所在的部门需要寻找一套满足业务和性能需求、而且具有国产知识产权的时序数据库，来替代原本使用的 InfluxDB。本文分享了他们将 InfluxDB 替换为 TDengine 的具体原因，以及相关的实践思路。
兴盛优选监控场景的时序数据库选型与落地实践
兴盛优选需要通过实时产生的数据来判断设备是否工作、检测通讯是否延时、观测 SNMP OID 流量是否正常等，从而保障运维与网络人员及时发现问题并修复。为高效处理各类时序数据，保障服务的稳定运行，在对比了 Elasticsearch、InfluxDB 和 TDengine 三款产品之后，他们选择并落地了 TDengine。
边缘盒子+时序数据库，美的数字化平台 iBUILDING 背后的技术选型
在 2021 楼宇科技 TRUE 大会上，美的暖通与楼宇事业部首次发布了数字化平台 iBuilding，以“软驱硬核”方式赋能建筑行业。作为一个全新的项目，iBuilding 在数据库选型上比较谨慎，分别对比了多款 Database 产品之后，才做出了自己的选择。本文分享了他们的数据库选型思考和落地经验。
全校软硬件基础设施一站式监控 ，苏州大学以时序数据库替换 PostgreSQL
除了要对几千台摄像头进行数据采集加在线检测，苏州大学还有 1500 多台交换机和 4000 多台服务器，在数据库的选择上，它需要在扛住如此大量设备 24 * 7 高频长期写入的同时，还要确保相当出色的查询效率。从 PostgreSQL 到 TDengine，本文分享了江苏纵目在面对业务难点时，在数据库的选择、应用和成效方面的经验。
TDengine 助力西门子轻量级数字化解决方案 SIMICAS 简化数据处理流程
SIMICAS® OEM 设备远程运维套件是由 SIEMENS DE&DS DSM 团队开发的一套面向设备制造商的数字化解决方案。在确定选择 TDengine 作为系统的时序数据库后，他们在 SIMICAS® OEM 2.0 版本中移除了 Flink、Kafka 以及 Redis，大大简化了系统架构。
TDengine 在中天钢铁 GPS、 AIS 工业大数据调度中的落地
在 TDengine 平稳运行的数周时间里，中天钢铁的新系统平均每周收录 3000 多辆车辆表与 100 多条船只表，每张表中数据或多或少，累计数量已达百万，业务的实际效果也达到了预期。本文分享了他们对于新项目的数据库选型、应用的思考，同时也进行了业务效果分析。
